React Native 仿 ofo 共享单车 App

项目背景：提供两年的每小时租金数据。训练集是每个月的前19天，而测试集是每月的20号到月底。必须仅使用租借期之前的可用信息来预测测试集涵盖的每个小时内租用的自行车总数。 一、载入数据 1.1收集数据 一般而言，数据由甲方提供。若甲方不提供数据，则需要根据相关问题从网络爬取，或者以问卷调查形式收集。本次共享单车数据分析项目数据源于Kaggle [https://www.kaggle.com/c/bike-sharing-demand/data]。 1.2 载入数据 // 载入工具包 import numpy as np import pandas as pd import matplotlib.

Python共享单车数据分析代码.ipynb

使用springBoot开发一个web后台程序，用于对接共享单车微信小程序，收集微信小程序产生的用户数据，以及单车的信息。

共享单车虽然是当今热议的话题,但是对于其学术层面的研究寥寥无几。以摩拜单车为例,通过整合相关资讯,运用商业画布九要素模型详尽地对模型中的每一个要素进行梳理,并将各要素串联成为一体,清晰地呈现出共享单车商业模式。最后作者对当下商业模式提出优化意见和未来研究方向。文中首次运用商业画布模型对共享单车商业模式进行研究,所梳理出的共享单车商业模式现状和以此提出的期望可供行业相关者参考和学者们进一步研究。

共享单车需求 Kaggle 竞赛预测城市共享单车系统的使用情况 看看比赛： : 。 以下是项目描述的摘录。 自行车共享系统是一种租用自行车的方式，通过整个城市的售货亭位置网络，自动获得会员资格，租借和退还自行车的过程。 使用这些系统，人们可以从一个地方租借一辆自行车，然后根据需要将其归还到其他地方。 目前，全球有500多个自行车共享计划。 这些系统生成的数据对研究人员很有吸引力，因为旅行的持续时间、出发地点、到达地点和经过的时间都被明确记录下来。 因此，共享单车系统充当传感器网络，可用于研究城市中的移动性。 在本次比赛中，参与者被要求将历史使用模式与天气数据相结合，以预测华盛顿特区首都共享单车计划的自行车租赁需求 致谢 Kaggle 正在举办这场比赛，供机器学习社区用来娱乐和练习。 该数据集由Hadi Fanaee Tork使用来自Capital Bikeshare的数据提供。 我

基于BP神经网络实现共享单车数据预测， 可以运行，还有详细的注释 环境：anaconda+jupyter notebook。 文件包含代码+数据集

Capital 共享单车骑行数据，包括：使用次数、骑行时间、骑行时长、起点和终点经纬度坐标等属性。

webike 高校共享单车管理系统 说明 前端页面使用EasyUI,后端使用ssm+jsp+mysql（ssm学习项目） (admin/admin) 效果

2016年8月，包括起讫点经纬度，起始时间，订单ID，轨迹经纬度等